Skip to main content
Glama

CasioPlus MCP

MCP server برای اکوسیستم دانش و عملیات کاسیو‌پلاس
CasioPlus MCP Server for the Casio Plus knowledge-and-operations ecosystem

CasioPlus MCP یک سرور Model Context Protocol (MCP) است که مدل دانش، متدولوژی و دارایی‌های کاسیو‌پلاس را به ابزارهای هوش مصنوعی، عامل‌ها و هر رابط عملیاتیِ موردنیاز کاسیو متصل می‌کند.

این ریپو فورک FounderOS نیست و توپولوژی یا معماری کاسیو را از آن به ارث نمی‌گیرد. FounderOS صرفاً یک نمونهٔ الهام‌بخش است: نشان می‌دهد که یک نفر می‌تواند با یک UI ساده، دادهٔ ساختاریافته، Repository Layer، Agentها و اتصال‌های صادقانه، یک سیستم متناسب با نیاز خودش بسازد.

ما نیز همین اصل را برای کاسیو اجرا می‌کنیم: یک سیستم ساده، بومی، مرحله‌ای و دقیقاً منطبق با نیازهای خود کاسیو. نقش MCP یک لایهٔ توانمندساز است؛ دانشِ معتبر را بازیابی می‌کند، ساختار و کیفیت داده را بررسی می‌کند، و بازخورد عملیات را بدون آلودن مستقیم هستهٔ دانش به صف بررسی وارد می‌کند.


اصل معماری

Casio Knowledge Core                    CasioPlus MCP                  Clientهای مجاز کاسیو
────────────────────                    ─────────────                  ─────────────────────
کاسیو.yaml + Markdown       →       Tools / Resources / Prompts   →   AI / CLI / UI سبک
پلی‌بوک / رجیستری / SOP              Validation / Retrieval            فقط در صورت نیاز
منبع حقیقت دانش                       Controlled feedback intake              │
        ↑                                                                         │
        └──── Review + approval ← Feedback Intake Queue ←────────────────────────┘

قانون غیرقابل‌مذاکره

  • Knowledge Core منبع حقیقت است. در نسخهٔ اولیه: knowledge/casio.yaml و Markdownهای ساختاریافته.

  • MCP لایهٔ دسترسی و کنترل است. نه منبع حقیقت دوم.

  • Casio Operator لایهٔ تعامل و عملیات است. نه محل ساخت دانش سازمانی.

  • بازخورد عملیاتی با write مستقیم وارد مدل دانش نمی‌شود؛ ابتدا اعتبارسنجی، صف‌بندی، بررسی انسانی و سپس ادغام نسخه‌ای می‌شود.


Related MCP server: cortex-brain

مسئله‌ای که حل می‌کند

کاسیو‌پلاس هم‌اکنون شامل این مؤلفه‌هاست:

  • ۵۶ پلی‌بوک و راهنمای اجرایی، با مالک، سطح HEGAM، وابستگی و مسیر بازگشت داده؛

  • ۱۰ مستند عملیاتی واقعی؛

  • ۶ زیرسیستم: زیرساخت دانش، فروش و بازاریابی، محتوا و کانال بله، آموزش و کوچینگ، پایش و ارزیابی، اکوسیستم و مشارکت رشد؛

  • برنامهٔ ۹ جلسه‌ای، ۸ نقش استاندارد و ۶ قالب دارایی؛

  • مدل Casio Metric، کوچینگ، سفیران، مشارکت رشد و Data Cleaning Gate.

بدون یک Gateway، عامل‌ها و داشبوردها یا به دادهٔ خام و پراکنده متصل می‌شوند، یا نسخه‌های متفاوتی از «حقیقت» می‌سازند. CasioPlus MCP این مرز را استاندارد می‌کند.


اصول طراحی CasioPlus

  1. Need-first، نه framework-first: هیچ قابلیت فقط چون FounderOS یا ابزار دیگری دارد وارد محصول نمی‌شود؛ هر قابلیت باید یک مسئلهٔ واقعی کاسیو، مالک، خروجی و مسیر بازگشت داده داشته باشد.

  2. ساده‌ترین برش قابل استفاده: ابتدا کوچک‌ترین Tool/Resource MCP که یک کار واقعی را حل می‌کند؛ نه داشبورد یا معماری بزرگ پیش از نیاز.

  3. توپولوژی کاسیو ثابت می‌ماند: MCP به هستهٔ دانش و معماری HEGAM خدمت می‌کند؛ آن را جایگزین یا بازچینی نمی‌کند.

  4. دانش قبل از اتوماسیون: تا وقتی پلی‌بوک، مدل داده، مالک و معیار پذیرش روشن نشده، اتوماسیون ساخته نمی‌شود.

  5. Read-first، Write-guarded: بازیابی دانش کم‌ریسک است؛ نوشتن، انتشار یا اجرای عملیات نیازمند گیت کیفیت، مجوز و ردپای ممیزی است.

  6. Scale to reality: ابزار فقط به اندازهٔ پیچیدگی واقعی کاسیو رشد می‌کند؛ از YAML/Markdown شروع می‌کند و تنها هنگام نیاز به DB، Queue، RBAC یا UI بزرگ‌تر ارتقا می‌یابد.


دامنهٔ نسخهٔ اول (MVP)

منابع MCP (Resources)

URI پیشنهادی

کاربرد

casio://knowledge/model

مدل جنرال HEGAM و قواعد کاسیو

casio://playbooks

فهرست همهٔ پلی‌بوک‌ها

casio://playbooks/{id}

یک پلی‌بوک با مثال، مدل داده و وابستگی‌ها

casio://architecture

۶ زیرسیستم و جریان داده

casio://learning/program

۹ جلسه، نقش‌ها و قالب‌ها

casio://documents

فهرست و خلاصهٔ مستندات واقعی

casio://gaps

دارایی‌های برچسب‌خورده با لازم یا توسعه

ابزارهای MCP (Tools)

Tool

حالت

شرح

search_playbooks

Read

جست‌وجوی پلی‌بوک بر اساس دامنه، نقش، سطح، وضعیت یا متن

get_playbook

Read

دریافت پلی‌بوک کامل با وابستگی‌ها و مثال اجرایی

get_architecture

Read

دریافت نقشهٔ زیرسیستم‌ها و جریان داده

get_learning_path

Read

مسیر آموزشی بر اساس نقش یا سطح HEGAM

validate_record

Validate

بررسی کامل‌بودن، تکرار، اعتبار، یکدستی و منشأ داده

submit_feedback_intake

Write-to-queue

ثبت کنترل‌شدهٔ بازخورد میدان در صف بررسی؛ بدون نوشتن مستقیم در Knowledge Core

list_review_queue

Read

مشاهدهٔ آیتم‌های منتظر بررسی

review_feedback

Controlled write

تأیید یا رد بازخورد؛ تأیید فقط برای رکورد validated مجاز است

list_version_proposals

Read

مشاهدهٔ پیشنهادهای نسخه‌ای منتظر ادغام انسانی

list_audit_events

Read

مشاهدهٔ ردپای ممیزی بررسی و پیشنهادها

Promptهای MCP

Prompt

هدف

design_playbook

ساخت پیش‌نویس پلی‌بوک بر مبنای HEGAM و یک مسئلهٔ کسب‌وکار

analyze_system_gap

تشخیص شکاف «داریم/لازم/توسعه» در یک دامنه

prepare_coaching_session

طراحی جلسهٔ کوچینگ با گلوگاه، Action Plan و معیار موفقیت

review_feedback

تبدیل بازخورد خام به رکورد قابل بررسی و تصمیم

build_automation_spec

تولید مشخصات اتوماسیون، با ورودی/خروجی/خطا/معیار پذیرش


Data Quality Gate

هر دادهٔ بیرونی قبل از ورود به feedback_intake از این گیت عبور می‌کند:

raw → validate → quarantined / rejected / validated → review → approved → versioned knowledge change

کنترل

پرسش

Completeness

فیلدهای اجباری کامل‌اند؟

Duplicates

رکورد مشابه یا شناسهٔ تکراری وجود دارد؟

Validity

مقدار در بازه/فرمت معتبر است؟

Consistency

نقش، کد، تاریخ و وضعیت با استاندارد کاسیو یکدست‌اند؟

Provenance

منبع، زمان و ثبت‌کننده روشن است؟

Authorization

ثبت‌کننده برای این دامنه مجاز است؟

وضعیت کیفیت هر رکورد:

quality_status: raw | quarantined | validated | rejected

مدل دسترسی پیشنهادی

نسخهٔ محلی می‌تواند با stdio و بدون شبکه اجرا شود. در استقرار شبکه‌ای، Shared Token فورک FounderOS برای کاسیو کافی نیست.

نقش

دسترسی نمونه

معمار سیستمسازی

ساختار دانش، Canvas، MOC

طراح متدولوژی

پیش‌نویس و نسخهٔ پلی‌بوک/قالب

تحلیلگر داده

مدل داده، رجیستری، کیفیت داده

مدیر حافظه داده

بازبینی و ادغام بازخورد

مالک اتوماسیون

Spec و اجرای workflow تأییدشده

ناظر انطباق

سیاست، ممیزی، تأیید نهایی

کوچ فرایند

ثبت مشاهده و بازخورد میدان

اصل امنیتی: Agentها در فاز اول فقط read و recommend دارند. هر اقدام حساس (ارسال پیام، تغییر CRM، انتشار محتوا، تغییر مالی، یا write به هستهٔ دانش) به تأیید انسان و Audit Log نیاز دارد.


ساختار ریپو

casio-plus-mcp/
├── knowledge/
│   └── casio.yaml              # منبع فعلی مدل دانش کاسیو‌پلاس
├── src/
│   ├── server.ts               # MCP server با ابزارهای دانش/کیفیت/Review
│   ├── knowledge-store.ts      # Adapter برای YAML / Markdown / DB
│   ├── quality.ts              # Data Quality Gate
│   ├── intake-store.ts         # صف محلی بازخورد
│   ├── audit-store.ts          # ردپای ممیزی
│   └── proposal-store.ts       # پیشنهادهای نسخه‌ای
├── studio/                     # Prototype سبک Web/PWA responsive
│   ├── src/
│   └── public/casio.json
├── operator/                   # CasioPlus Command Core؛ مبتنی بر FounderOS (MIT)
│   ├── app/                    # Next.js Operator UI
│   ├── components/             # Shell، Graph، Palette، Agent/Workflow UI
│   ├── lib/casio-knowledge.ts  # Adapter مدل کاسیو
│   ├── knowledge/casio.yaml
│   └── NOTICE.md               # attribution مربوط به upstream
├── tests/
├── docs/
├── package.json
└── README.md

FounderOS: منبع الهام، نه قالب اجباری

FounderOS برای کاسیو‌پلاس یک reference implementation است، نه وابستگی معماری. از آن این الگوها را می‌آموزیم:

الهام

تفسیر بومی برای کاسیو‌پلاس

یک سازنده، سیستم متناسب با نیاز واقعی خود ساخته است

کاسیو هم از نیازهای واقعی خودش شروع می‌کند: پلی‌بوک، کوچینگ، Casio Metric، سفیران، محتوا و حافظه دانش

Repository Layer

دادهٔ UI از منبع حقیقت جدا می‌ماند؛ اما قراردادها و مدل داده را خود کاسیو تعریف می‌کند

Seeded demo + اتصال صادقانه

توسعه مرحله‌ای با دادهٔ نمونه/واقعی کاسیو؛ هیچ اتصال یا قابلیتِ جعلی سبز نمی‌شود

Knowledge graph و Agent skills

گراف دانشِ پلی‌بوک‌ها و مهارت‌های Agent بر پایه HEGAM، نه مدل دامنه‌ای FounderOS

ابزارهای کوچک و قابل اجرا

هر قابلیت کاسیو یک ابزار کوچک، قابل آزمون و دارای خروجی روشن می‌شود

هیچ صفحه، دیتابیس، connector، نقش سازمانی یا جریان کاریِ FounderOS به‌صورت پیش‌فرض وارد کاسیو‌پلاس نمی‌شود. هر کدام فقط زمانی ساخته/اتصال داده می‌شود که یک نیاز واقعی کاسیو، مالک مشخص، خروجی قابل سنجش و مسیر بازگشت داده داشته باشد.

اگر در آینده یک داشبورد یا ابزار عملیاتی لازم باشد، می‌تواند یک UI بومی CasioPlus یا هر ابزار دیگری باشد. MCP به یک محصول رابط خاص قفل نمی‌شود.


نقشهٔ راه

Phase 0 — Foundation

  • ایجاد مدل کاسیو.yaml

  • استخراج مستندات کاسیو

  • مدل HEGAM، معماری، آموزش و کیس‌استادی

  • ایجاد اسکلت این ریپو و README

Phase 1 — Read-only MCP

  • TypeScript + رسمی MCP SDK

  • YAML Knowledge Store

  • Resourceهای model, playbooks, architecture, learning

  • Toolهای search_playbooks, get_playbook, get_architecture

  • تست قراردادها و schema validation

Phase 2 — Quality & Feedback

  • validate_record

  • JSON-based local feedback intake queue (نسخهٔ سبک محلی)

  • Data Quality Gate: completeness، reference، provenance، duplicate detection

  • Audit log و review workflow نسخه‌ای

Phase 3 — Review، Audit و Version Proposal

  • تأیید/رد بازخورد با شرط validated

  • Audit Log محلی و immutable-style

  • Version Proposal مستقل با base knowledge version

  • ممنوعیت تغییر مستقیم casio.yaml

Phase 4 — CasioPlus Command Core

  • واردکردن کامل FounderOS-DEMO تحت مجوز MIT و attribution حفظ‌شده

  • Shell واقعی Next.js، Command Palette، Graph، Agent/Skill/Workflow stack و Test Stack

  • جایگزینی صفحهٔ اصلی با CasioPlus Command Core بر پایهٔ ۵۶ پلی‌بوک و ۶ دامنهٔ واقعی

  • Adapter بومی lib/casio-knowledge.ts برای مدل کاسیو

  • تزریق اولیهٔ دادهٔ بومی کاسیو در Repository Layer: ۶ Department، ۸ Agent، نقش‌های انسانی، SOP، Domain، Metric و Roadmap

  • تزریق Casio Metric: قرارداد داده، ذخیره‌ساز محلی، API GET/POST /api/casio-metric و route واقعی /analytics

  • workflow کوچینگ در /tasks: قرارداد جلسه، گلوگاه، آمادگی، Action Plan، API GET/POST /api/coaching-sessions

  • Funnel بومی در /funnel: مدل چهارمرحله‌ای کمپین و Campaign Sheet بر پایه پلی‌بوک‌های واقعی

  • Content Engine بومی در /content: شش فرمت محتوا و دارایی‌های کانال بله

  • RBAC Policy Layer: ۹ نقش HEGAM، permissionهای صریح و enforcement روی APIهای Metric و Coaching

  • SSO Adapter: هویت امضاشدهٔ IdP/Reverse Proxy، timestamp validation و اتصال actor واقعی به RBAC

  • پیکربندی IdP production (Keycloak / Authentik / Cloudflare Access)

  • Agent Approval Gate و Automation Spec Registry: draft → pending_approval → approved/rejected → execution allowed

  • Automation Runtime: اجرای policy-gated برای Spec تأییدشده و ثبت Automation Run Log


توسعهٔ محلی

MCP و HTTP Bridge

npm install
npm run check          # typecheck + tests
npm run start:stdio    # اجرای MCP با stdio برای MCP Clientها
npm run start:http     # اجرای Bridge محلی برای Studio روی پورت 4110

نصب امن Operator

cd operator
npm install
npm run setup:casio

Wizard فقط در ترمینال تعاملی اجرا می‌شود، credential نمی‌پرسد، network call ندارد و SSO را فعال نمی‌کند. جزئیات در operator/docs/safe-setup.md است.

CasioPlus Studio

cd studio
npm install
npm run dev            # Studio روی http://127.0.0.1:4173

در محیط توسعه، Vite درخواست‌های /api/* را به HTTP Bridge روی پورت 4110 proxy می‌کند. اگر Bridge در دسترس نباشد، Studio برای نمایش read-only به public/casio.json برمی‌گردد.

ابزارهای قابل استفاده در نسخهٔ فعلی

  • search_playbooks

  • get_playbook

  • get_architecture

  • get_learning_path

منابع MCP فعلی:

  • casio://knowledge/summary

  • casio://playbooks/{id}


منابع مفهومی


وضعیت

Repository status: Foundation + MCP Core + HTTP Bridge + CasioPlus Studio complete
Implementation status: MCP و HTTP Bridge از یک Core مشترک برای دانش، کیفیت و Review استفاده می‌کنند؛ Studio دادهٔ زنده را از Bridge می‌خواند و برای حالت آفلاین snapshot دارد.
Next step: قرارداد داده و داشبورد Casio Metric/کوچینگ.

F
license - not found
-
quality - not tested
B
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • MCP server for AI agents to plan, verify, and deploy Cloudflare-native apps.

  • Your memory, everywhere AI goes. Build knowledge once, access it via MCP anywhere.

  • Driflyte MCP server which lets AI assistants query topic-specific knowledge from web and GitHub.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/hadiranweb/casio-plus-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server